简介:提出了一个全新的动态公交客流预测模型,使用智能卡数据和网络爬取的常州市兴趣点(POI)数据、天气记录数据,建立一种特征融合的长短期记忆递归神经网络(Feature-fusionLSTMRNN)模型,并应用于常州市地面公交客流集散点的智慧卡(SmartCard)刷卡客流预测.将以上模型用于刷卡客流预测实验,结果表明经过良好数据训练后的特征融合的长短期记忆递归神经网络可以在刷卡客流预测中保持较高的稳定性、准确性和泛化能力.
简介:武汉市常规公交采用单一票制收费模式,刷卡字段中缺少下车的相关信息,无法直接得到公交乘客的出行路径.本文重点基于公交GPS数据和IC卡刷卡数据,建立公交刷卡乘客上、下车站点识别模型.其中上车站点识别包含基于GPS时间和IC卡刷卡时间识别2个模型,下车站点识别包含基于出行连续性和出行链识别2个模型.分别对比分析2个模型的优劣,并以实际数据试算得到的识别率为判别标准,选取较高者为最终识别模型.最终上车站点识别模型选取基于GPS时间识别,因为基于IC卡刷卡时间识别,站点序号基本对应不上,而基于GPS时间识别,站点识别率高达98.31%;下车站点识别模型选取基于出行链识别,因为基于出行链识别的识别率为70%左右,基于乘客出行连续性识别为50%左右.
简介:摘要:本文针对城市的不同区域居民公交出行特征各不相同,没有形成高度集中的出行走廊,这就导致了公交资源的浪费。我们通过公交站台的客流,利用可变式公交可以减轻公交车出现的超负荷运行或空车现象;同时,利用单片机技术检测公交站台的客流,并配合5G网络将客流数据传输到终端,终端计算机经过处理分析站台的客流数据信息,再传输到各条线路的公交车,对线路进行实时调整。当站台客流超过一定阈值,且通过该站台的公交已无法满足乘客对公交的需求,终端将对该站台设置的可变式公交发出指令,在原有路线允许的松弛时间内,可到达该站台进行客流消耗。利用可变线式公交,缓解当前的交通压力,提高公交车运行的效率。以此期望能提升城市高峰时期的公交服务水平,同时响应国家号召“低碳生活,绿色出行。”
简介:【摘要】 本文基于多维度指标,以预测准确性指标、模型鲁棒性指标和模型解释性指标三个方面的指标为基础,研究公交客流预测模型的校准问题。为了对异常数据的容忍度更加敏感,论文引入公交客流预测模型的鲁棒性指标作为评估模型。该指标能够衡量模型在面对异常数据时的表现和稳定性。在实际应用中,公交客流预测模型需要具有较高的鲁棒性,才能够应对各种异常情况,提高预测准确性和可靠性。因此,评估公交客流预测模型的鲁棒性指标非常重要,可以帮助我们选择最适合实际应用的预测模型。研究结果表明,基于多维度指标的公交客流预测模型校准方法可以有效提高公交客流预测的准确性和可靠性,为公交运营管理提供了重要的支持和参考。
简介:摘要随着我国经济的不断发展,城市化进程也不断地向前迈进,越来越多的人口涌入城市,城市的交通面临着很大的压力,造成交通拥堵、环境恶化、交通工具破坏严重。所以城市公共交通的完善就显得非常的重要,公共交通系统中两个重要的组成部分就是城市轨道交通与常规公交,如果二者相互配合,那么对城市交通运输有着深刻意义,可以缓解城市的交通压力,还可以提高城市的运输能力。所以,本文首先介绍了城市轨道交通与常规公交一体化的含义,并对目前我国城市化进程中,城市轨道交通与常规公交所存在的问题,并对这一问题进行分析,找到能够解决问题的办法,减轻交通压力,为市民提供便利。
简介:摘要:随着城市居民对公共交通需求的持续增长,城市轨道交通因其快速发展已成为市民出行的首选。其网络化的布局为市民出行提供了强有力的支持。然而,当地铁站点聚集大量乘客时,短时客流高峰可能引发安全隐患,这对轨道交通车站的客流组织能力提出了更高要求。突发大客流的组织与管理,是城市轨道交通运营企业应急安全工作的核心。为了保障轨道交通的安全运营并提升乘客满意度,我们需要精准识别车站客流流线中的安全风险点,并据此制定合理完善的车站现场处置方案。基于我国地铁车站突发事件的特点及其防控措施,人机环管四个维度出发,对地铁车站的安全风险进行了等级划分。同时,结合车站大客流的特征,制定了针对性的大客流运营组织方案。
简介:摘要:在现代城市交通管理中,准确掌握公交车站点的乘客流量信息是提高公交服务质量的关键。基于单片机的智能化公交车站点乘客流量统计装置,能够有效收集和分析乘客流量数据,为公交系统的优化提供依据。利用单片机的强大处理能力和灵活的接口,设计一套能够实时监测乘客进出站情况的系统,旨在通过精确的数据统计,帮助公交公司更好地理解乘客需求,提升服务水平。